보행자 중심 환경을 위한 배치 중심 추적 평가 프로토콜과 PedRefTrack
ETH Zurich 연구팀이 arXiv에 공개한 프리프린트에서 공유 검출 입력으로 추적기만 분리 평가하는 배치 중심 프로토콜을 제안하고 JRDB에서 6개 오픈소스 추적기와 자체 PedRefTrack을 비교했다. 비GT 추적기 HOTA는 24.26~29.67%에 그쳤지만, 1.0초 검출 공백 후에는 GT 지원 변형을 제외한 어떤 추적기도 적격 사례의 절반 이상에서 공간적으로 올바른 동일 ID 출력을 유지하지 못해 검출 공백 지속이 주요 한계로 나타났다. Jetson Orin에서 입력 부하에 따라 여러 추적기가 10Hz 아래로 떨어져 임베디드 로봇 배치 판단에 유용하다.
고정된 공유 검출 입력에서 3D 다중 객체 추적기의 초기화, 검출 공백 지속, 공백 후 ID 복구, 근접 보행자 연관, 임베디드 런타임이 어떻게 달라지며 배치 적합성을 어떻게 평가할 수 있는가?
기존 3D MOT 평가는 KITTI, nuScenes, Waymo 등 자율주행 데이터셋 중심이고 HOTA 같은 집계 점수는 시퀀스 전체를 요약해 언제 어떻게 궤적이 실패하는지 알기 어렵다. 검출기 입력이 평가마다 다르면 점수에 검출기와 추적기 품질이 섞인다. 보행자 중심 환경은 근거리 관측, 비선형 보행, 군중에 의한 부분 가림이 잦아 주행 환경 점수와 다른 운영 조건을 가진다.
추적-바이-디텍션 온라인 추적기가 주류이며 AB3DMOT, SimpleTrack, Fast-Poly, CBMOT, GNN-PMB 등이 대표적이다. 표준 지표 MOTA, IDF1, HOTA는 집계 요약을 제공하지만 배치 관련 시간적 조건을 간접적으로만 반영한다. 3D MOT와 로봇 중심 벤치마크는 공유 검출을 강제하지 않아 추적기 설계 차이를 분리하기 어렵다.
공유 검출을 고정해 추적기 동작만 평가하는 프로토콜을 제안했다. GT와 검출 정보로 이벤트 자격을 정의해 모든 추적기가 동일 조건에서 평가되도록 했다. HOTA를 보완하는 네 가지 궤적 테스트(안정적 초기화 지연, 검출 공백 지속, 공백 후 ID 복구, 근접 이웃 연관)와 입력 부하별 Jetson Orin 런타임 프로파일을 추가했다. 경량 참조 추적기 PedRefTrack과 GT ID와 변위로 연관, 모션을 이상화한 GT 지원 변형을 구현해 추적기 측면에서 회복 가능한 격차를 추정했다.
JRDB 테스트 27개 시퀀스에서 공유 Person-MinkUNet 검출을 사용하고 GPU 없이 평가했다. 비GT 추적기 HOTA는 24.26~29.67% 범위였고, GT 지원 PedRefTrack 33.33%, PedRefTrack 29.67%, Fast-Poly 27.48%, AB3DMOT 26.83%, SimpleTrack 26.53%, CBMOT 26.51%, ELPTNet 24.53%, GNN-PMB 24.26%였다. LocA는 65.49~66.15%로 좁았다. 1.0초 검출 공백에서 GT 지원 변형은 86.8% 성공했지만 SimpleTrack 45.4%, PedRefTrack 37.0%, 나머지는 1% 미만이었다. 0.5초 공백에서 Fast-Poly, GNN-PMB, CBMOT는 유효 출력 성공 약 0.2%였으나 ID 복구는 각각 78.9%, 59.8%, 75.1%였다. 1.5초 ID 복구는 PedRefTrack 69.8%, Fast-Poly 55.8%, SimpleTrack 50.0%, CBMOT 41.9%였고 AB3DMOT, GNN-PMB, ELPTNet은 5% 미만이었다. 근접 이웃 거리가 0.7~0.8m에서 0.3~0.4m로 줄면 비GT 추적기 실패율은 PedRefTrack 2.3%p, GNN-PMB 최대 13.5%p 증가했다. 초기화는 0.5초까지 전체 시작의 39.1~56.0%만 안정적으로 이뤄졌다. Jetson Orin에서 추적기 스텝 중앙 FPS는 CBMOT 315.25, ELPTNet 163.52, PedRefTrack 74.96, Fast-Poly 29.15, AB3DMOT 9.59, GNN-PMB 7.02, SimpleTrack 2.23이었고, Fast-Poly는 약 45개 검출에서 10Hz 아래로 떨어졌으며 AB3DMOT, GNN-PMB, SimpleTrack은 더 낮은 부하에서 그 아래였다. PedRefTrack은 75~80개 검출 구간에서 약 15.2 FPS를 유지했다. 실물 로봇 주행 시험이 아니라 JRDB 데이터셋과 임베디드 보드에서의 추적기 단계 런타임 측정이다.
저자들은 JRDB 학습 검출기 하나의 운영점과 단일 데이터셋으로 제한된다고 밝혔다. GT 유래 섭동은 실제 학습 검출기의 오류 구조를 완전히 재현하지 못한다. 보고된 프로파일은 HOTA 튜닝 설정, 선택된 매칭 임계값과 시간 지평만 반영한다. 런타임은 Jetson Orin 한 기기에서 추적기 단계만 측정했고 나머지 인지, 내비게이션 스택은 제외했다. 논문에 실물 로봇 통합 시험은 보고되지 않았다. 배치 지향 대리 지표로 직접적인 내비게이션 성능은 아니다.
병원, 공항, 환승 허브 등 보행자 밀집 환경에서 운용하는 안내 로봇, 배달 로봇, 사회적 내비게이션 로봇의 추적기 선정과 설계에 활용할 수 있다. 코드와 평가 스크립트가 공개되어 기업이 자체 데이터셋과 검출기에 적용할 수 있으며, PedRefTrack은 Jetson Orin 단일 CPU 코어에서 최고 부하에서도 10Hz 이상을 유지해 임베디드 로봇 적용 후보가 된다. 다만 추가 데이터셋, 검출기, 하드웨어, 실제 로봇 통합 검증이 선행되어야 하므로 1~3년 내 로봇 제품 스택에 통합될 가능성이 있다.
이 논문은 라이선스상 전문을 게재할 수 없어 요약과 원문 링크만 제공합니다.